一周热榜

我开发了一款开源文本处理工具，作为 PopClip 和 SnipDo 的替代品。它支持跨平台（macOS/Windows），可扩展，并且无需订阅。 它的功能： TextGO 能够自动识别文本类型并执行自定义操作。您可以通过全局热键、鼠标双击或文本选择来触发它。它同时支持即时执行和交互式工具栏模式。 主要特点： - 内置文本类型识别（URL、电子邮件、IP 地址、时间戳、编程/自然语言等） - 多种触发方式，具有独立的规则配置 - 可通过正则表达式、脚本或本地 AI 集成进行扩展 - 可自定义工具栏图标 欢迎提供反馈和贡献！

我开发了最快的 React 虚拟化库。核心部分用 Rust 编写，并编译成 WebAssembly。<p>在线演示：<a href="https:&#x2F;&#x2F;warper.tech" rel="nofollow">https:&#x2F;&#x2F;warper.tech</a><p>1000 万行数据，120+ FPS。无卡顿，无掉帧。<p>现有的库，如 react-window 和 react-virtuoso，在处理大规模数据时会遇到瓶颈。它们依赖 JavaScript 二分查找和 O(n) 扫描来处理可变高度。而 Warper 不同。<p>该引擎使用：<p>- 树状数组（Fenwick trees）进行 O(log n) 可变高度查找 - O(1) 算术运算处理固定高度的条目 - WASM 和 JS 之间零拷贝的类型化数组 - 预分配的内存池，滚动时零垃圾回收<p>在 M1 MacBook Pro 上对 100 万行数据进行基准测试：Warper 达到 119 FPS。react-virtuoso 降至 58 FPS。在 1000 万行数据时，Warper 保持在 118 FPS，而 virtuoso 降至 31 FPS。<p>它不仅仅是略快，而是快 2-4 倍，具体取决于工作负载。<p>权衡是包大小：大约 45KB，而 react-window 是 6KB。如果你需要性能，这是值得的。<p>可通过 GitHub Sponsors 获取，网址为 github.com&#x2F;sponsors&#x2F;itsmeadarsh2008<p>欢迎就架构问题进行提问。

我是一名中高级软件工程师（约 7 年工作经验），正尝试转入人工智能/机器人领域的应用研究。没有博士学位。 如果您曾招聘过研究工程师/应用科学家/机器人相关职位： * 什么能区分一位优秀的非博士候选人和“喜欢机器学习的聪明软件工程师”？ * 哪些成果最有说服力（复现论文、开源贡献、参与实际系统开发、会议 workshop 论文等）？ * 面试中通常会暴露哪些技能差距？ * 如果您已经成功转型，您觉得什么对您有效？

基于预设种子，非常酷的艺术生成器。<p>当你复制并分享链接时，会程序化地生成相同的艺术作品。<p>在你的浏览器本地运行 - 隐私安全。 欢迎你的评论和反馈。感谢你的体验！！:)